变量编码
Variable coding
学到 会用 就够:能亲手用起来
你可能会说
“我的问卷把不同学历写成了数字,能直接把这些数字放进回归吗?”
变量编码是把答案按明确的对应规则记成可分析的值,例如用数字区分学历类别。数字只是记号时,不能把相邻编号当作相同的实际差距。
使用 AI
科研里的例子
假设教育调查把三种学校类型记为 1、2、3。研究者将其作为不同类别比较,而不是解释为学校类型每增加 1 就提高多少分。
先说明这一列记录的是数量、类别还是有顺序的等级,再决定怎样表示。收入金额的差距有明确单位,而把小学、初中、高中写成不同编号,通常只是给类别起名字。用于分析时,需要按研究问题选择类别比较或其他合适的表示,不能让软件把所有编号自动理解为连续数量。编码表应保存原答案、对应值、缺失表示与修改理由;反向题和多选题也要单独说明。转换后逐项核对人数和取值,尤其检查不在允许范围里的答案,避免它们悄悄变成缺失。
在你的学科里,直接拿去用
把数据分析要求写成可复现说明
请先为这项分析形成可复现的任务说明,再建议代码。 问题:[填写] 数据字典及已有规则:[提供] 可用软件与现有代码:[提供] 明确一行数据代表什么、样本范围、连接键、单位、缺失码、变量构造、估计对象和输出。区分描述分析与因果分析;缺少识别依据时不要把回归系数直接称为因果影响。给出小样本核对、异常记录和可重跑顺序。保留原始数据,所有转换写到派生结果并留记录;不能为得到显著结果修改数据或筛选规则。方括号里的内容换成你自己的。来自知识增量《科研中英表达与 Prompt 指南》PG08
检验问卷题项是否被学生按预期理解
我拟测量[构念],目标是[学生群体],候选题项见[材料]。请先按[维度定义]检查每题的概念对应、双重提问、时间范围、否定词、诱导性与年龄适切性,再给出最小修改建议和中英文对照。为每题拟一条中性的认知访谈追问,了解学生怎样理解、回忆和选择答案;标明需要试访验证的歧义。保留既有题项出处及许可信息,不把改写后的题项仍称为原版。输出题项审查表与试访记录模板,不生成任何虚构的学生回答或“已验证”结论。方括号里的内容换成你自己的。来自知识增量《科研中英表达与 Prompt 指南》PJ02
判断
亲手检查一次
挑一列,写出每个允许值对应的原答案,核对转换前后各类别人数和缺失数量。
它做不到的
编码不会提高原问卷的测量质量,也不会让类别自然具有等距关系。具体码值以这份调查的官方说明为准。
增量,由你来写
读完这张,你的理解变了什么?
留言功能会在后面的版本开放。现在可以先在 X 上 @knowledgedelta 告诉我。
来源
- Wickham、Çetinkaya-Rundel、Grolemund — R for Data Science (2e): Factors2026-11-07 核对
- 北京大学中国家庭追踪调查(CFPS)— 数据使用手册(官方 PDF)链接失效,待更新
卡片底稿由 AI 协助整理,经过核对;发现错误请告诉我。